X-CRISP：基于可解释性神经网络和迁移学习的CRISPR修复结果预测新方法

《Bioinformatics Advances》：X-CRISP: Domain-Adaptable and Interpretable CRISPR Repair Outcome Prediction

本研究针对CRISPR基因编辑中修复结果预测的通用性和可解释性难题，开发了X-CRISP模型。通过整合微同源(MH)位置特征与神经网络架构，该模型在预测删除/插入频率时显著优于现有工具（JSD降低0.04-0.05），并首次证实MH位置比GC含量对删除结果影响更大。采用迁移学习策略后，仅需50个目标域样本即可实现跨物种（小鼠→人）和基因型（NHEJ-/-）的精准预测，为个性化基因治疗提供新工具。

基因编辑技术CRISPR-Cas9的临床应用面临两大挑战：修复结果的不可预测性，以及现有预测模型在跨细胞类型应用时的性能下降。虽然模板依赖的同源定向修复(HDR)能精确控制结果，但其效率受细胞周期限制；而非同源末端连接(NHEJ)和微同源介导末端连接(MMEJ)虽可全程激活，却会产生高度随机的插入/删除突变。更棘手的是，当前预测工具如FORECasT、Lindel等或依赖数千个难以解释的二元特征，或无法跨细胞系保持性能，严重制约了精准基因治疗的实现。

针对这些瓶颈，荷兰代尔夫特理工大学的研究团队开发了X-CRISP预测系统。该系统创新性地采用5个核心特征（包括MH左/右边缘位置、间隙长度等）构建神经网络，在保留可解释性的同时，通过非线性建模捕捉特征交互作用。与现有工具相比，X-CRISP在预测单个碱基插入和微同源依赖的删除时，Jensen-Shannon距离(JSD)显著降低（FORECasT数据：0.43 vs 0.47）。通过SHAP值分析首次揭示，删除结果主要受MH与切割位点的距离调控，而非传统认为的GC含量。

研究团队采用三大关键技术：1）基于SIQ工具处理多组学测序数据，统一分析来自FORECasT和inDelphi研究的11,058个小鼠胚胎干细胞(mESC)和4,450个人类HAP1细胞样本；2）设计双损失函数架构（KLD和MSE）分别优化概率分布和数值预测；3）开发分层迁移学习策略（PF0-PF2），通过冻结神经网络不同层数实现模型跨域适应。

模型性能验证
在3954个mESC测试序列中，X-CRISP对MH依赖删除的预测精度(JSD=0.38)显著优于FORECasT(0.40)。对临床关键的移码突变预测，其MSE(0.021)比次优模型降低15%。特别在识别"precision-70%"位点（单突变占比≥70%）时，精确度达0.74，远超inDelphi(0.03)。

机制解析发现
通过400个测试样本的SHAP分析显示：切割位点上游16位的A/T会促进对应碱基插入（SHAP值>0.2），而该位点的C/G则偏好删除。对于MH依赖删除，左边缘每接近切割位点1bp，删除概率提升23%，证实空间邻近性是MH选择的关键决定因素。

跨域适应能力
迁移学习实验表明：预训练模型仅需50个目标样本即可适应新细胞系，在人类U2OS细胞中实现JSD=0.42（直接训练需500样本）。对于DNA修复缺陷的NHEJ^-/- mESC，模型通过调整隐藏层权重，成功捕捉到MH依赖删除增加12%的生物学特征。

这项研究通过可解释特征工程和迁移学习的创新结合，首次实现了CRISPR修复结果的跨细胞系精准预测。其揭示的MH位置主导规律为gRNA设计提供了新原则，而仅需微量数据的域适应能力，则解决了罕见病治疗中患者特异性建模的数据瓶颈。该成果发表于《Bioinformatics Advances》，为发展下一代个性化基因编辑疗法奠定了算法基础。